FrontierSWE 排行榜
截至 2026年11月16日,FrontierSWE 的最高分为 69.9%,由 Claude Fable 5.2(Anthropic)取得,领先于 GPT-6 Astra(65.5%)。共有 22 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年11月9日)。分为实现、性能和研究三类工作的长周期软件任务,在智能体测试框架中运行。FrontierSWE 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 69.9% 保持 FrontierSWE 最高分(Epoch AI Benchmarking Hub,2026年11月9日)。
- GPT-6 Astra 以 65.5% 位列 FrontierSWE 第二(Epoch AI Benchmarking Hub,2026年9月3日)。
- FrontierSWE:覆盖实现、性能和研究的前沿难度软件工程任务(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 22 个模型配置公布了 FrontierSWE 结果(BenchLeader,2026年11月16日)。
- FrontierSWE 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
覆盖实现、性能和研究的前沿难度软件工程任务。
- 类别
- 编程
- Index 权重
- 仅作参考
- 模型
- 22
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
分为实现、性能和研究三类工作的长周期软件任务,在智能体测试框架中运行。
评分方式
得分,以公布结果为准。
注意事项
非常新;只有十几个模型。
- 1Claude Fable 5.2 (max)69.9%
- 2GPT-6 Astra (max)65.5%
- 3Claude Opus 5.5 (max)62.3%
- 4Claude Sonnet 5.5 (max)61.9%
- 5Gemini 4 Carbon (high)61.2%
- 6Claude Fable 5.1 (max)56.3%
- 7Gemini 4 Argon (high)55.0%
- 8Claude Opus 5 (max)52.0%
- 9Claude Fable 5 (max)47.0%
- 10Claude Haiku 5.5 (max)43.8%
- 11GPT-5.6 Sol (max)32.2%
- 12GLM 5.3 (max)30.2%
- 13Grok 4.7 (xhigh)29.5%
- 14Kimi K3 (max)25.9%
- 15Muse Spark 1.3 (max)25.8%
22 / 22
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 69.9% | 72.7 | 2026-11-09 |
| 2 | 65.5% | 67.3 | 2026-09-03 | |
| 3 | 62.3% | 68.4 | 2026-09-22 | |
| 4 | 61.9% | 64.2 | 2026-09-28 | |
| 5 | 61.2% | 68.9 | 2026-11-10 | |
| 6 | 56.3% | 66.7 | 2026-09-01 | |
| 7 | 55.0% | 65.3 | 2026-10-13 | |
| 8 | 52.0% | 65.0 | 2026-07-24 | |
| 9 | 47.0% | 65.1 | 2026-06-09 | |
| 10 | 43.8% | 55.3 | 2026-10-07 | |
| 11 | 32.2% | 65.3 | 2026-07-09 | |
| 12 | 30.2% | 58.8 | 2026-08-14 | |
| 13 | 29.5% | 57.4 | 2026-09-21 | |
| 14 | 25.9% | 60.2 | 2026-07-16 | |
| 15 | 25.8% | 60.6 | 2026-09-02 | |
| 16 | 25.3% | 56.1 | 2026-08-12 | |
| 17 | 20.3% | 62.1 | 2026-08-13 | |
| 18 | 19.6% | 59.4 | 2026-09-02 | |
| 19 | 18.1% | 52.4 | 2026-08-20 | |
| 20 | 17.8% | 56.6 | 2026-09-01 | |
| 21 | 12.0% | 61.5 | 2026-08-05 | |
| 22 | 4.1% | 50.0 | 2026-07-15 |
相关基准测试
FrontierSWE 上的热门模型对比
引用格式:BenchLeader,《FrontierSWE 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/frontierswe。
FrontierSWE:常见问题
- FrontierSWE 衡量的是什么?
- 分为实现、性能和研究三类工作的长周期软件任务,在智能体测试框架中运行。分数以完成任务的百分比表示,越高越好。
- FrontierSWE 的最高分是多少?
- 截至 2026年11月16日,FrontierSWE 的最高分为 69.9%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 GPT-6 Astra(65.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 FrontierSWE 上领先?
- 截至 2026年11月16日,FrontierSWE 排名第一的是 Claude Fable 5.2,分数为 69.9%(结果日期 2026年11月9日)。其后为 GPT-6 Astra(65.5%)。
- 有多少模型有 FrontierSWE 结果?
- BenchLeader 上有 22 个模型配置有 FrontierSWE 结果,全部取自 Epoch AI Benchmarking Hub。
- FrontierSWE 由谁运行,多久更新一次?
- FrontierSWE 由 Epoch AI Benchmarking Hub 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- FrontierSWE 是否计入 BenchLeader Index?
- 不计入。FrontierSWE 仅作参考展示,不计入综合分数。